格拉夫瓦尔

graphvar2.0:一个用户友好的工具箱,用于函数连接度量的机器学习。我们先前将GraphVar作为一个用户友好的MATLAB工具箱,用于对大脑功能连接进行全面的图形分析。在这里,我们介绍了工具箱的全面扩展,允许用户跨功能连接度量和附加功能无缝地探索易于定制的解码模型。新方法:graphvar2.0提供机器学习(ML)模型构造、验证和探索。机器学习可以通过网络测量和其他变量的任何组合来执行,从而使神经成像应用具有灵活性。结果:除了先前集成的功能,如网络构建和用高速通用线性模型(GLM)对大脑连通性进行图论分析外,用户现在可以跨连接矩阵、网络指标和额外导入的变量执行可定制的ML。并提供了高质量的非参数数据输出和扩展。与现有方法的比较:与其他现有的工具箱相比,Graphvar2.0提供了(1)全面的定制,(2)一体化的用户友好界面,(3)可定制的模型设计和手动超参数输入,(4)交互式结果探索和数据导出,(5) 自动提示在同一个会议中模拟多个结果变量,(6)一个易于遵循的介绍性综述。结论:graphvar2.0允许全面、用户友好地探索功能连接测量的编码(GLM)和解码(ML)建模方法,使大数据神经科学更容易为广大神经影像研究者所接受。